本文提出了一个新的易于插拔的统一框架，比较了常见的IR度量和神经模型在多个句子对分数任务和数据集上的性能，并尝试通过发布新的数据集来改进比较。在Ubuntu对话数据集上，他们使用训练好的句子模型进行多任务复用，并提出了新的最优结果。